产品猎奇·09月24日：边做边学与AI事实层

今天在ProductHunt上又发现了几个有意思的新产品, 我看完之后感觉有点被戳到了.

第一个排名第一的, 叫Schole, 口号是学习不应该只是一直点下一步.

这个口号我喜欢. 你说说它到底在做什么?

它的核心逻辑是learn by building, 边做边学. 它有个叫Learn Anywhere的模式, 能直接在你正在用的任何网站上, 引导你完成任务, 还会给你视觉提示.

你每次完成一个操作, 它都会更新你的知识图谱, 算作课程进度.

等一下, 它是浏览器插件? 还是独立应用?

看描述应该是能覆盖在任何网站上面的那种. 它强调的是on any website, on your screen, 所以应该是一个浏览器层的工具.

这个切入点其实很聪明. 你想啊, 现在学一个新工具的路径是什么? 看文档, 刷YouTube, 问AI. 但这三种方式都是被动接收信息.

Schole的论点是, 你不实际动手, 就不算真正学会. 这个论点在教育心理学里是有理论支撑的, 叫做learning by doing.

对! 我自己做产品的时候深有感触. 我们当时上线一个新的内部工具, 做了好多培训视频, 结果大家还是不会用. 后来直接拉着人一起操作, 才算会了.

所以Schole针对的痛点非常真实. 它和现有工具最大的差异是什么? 我觉得是context. 它不是在一个沙盒环境里教你, 它是在真实场景里陪你做.

这个差异很关键. 比如Coursera, Udemy, 那种是你在一个隔离的课程环境里操作. Schole是你正在用Figma, 正在用Notion, 它就在旁边给你指路.

而且它会自适应任务难度, 描述里说adapting tasks. 这说明它背后有AI在判断你的状态.

这就有点像AI版的师傅带徒弟了. 就在你干活的时候在旁边说, 这一步你可以这样做.

对. 它的增长逻辑我猜是toB. 企业内部培训这个市场太大了, 而且现有方案太差. 每次上新系统都要花大量时间培训员工.

所以它能在ProductHunt拿到接近两百票排第一, 我完全理解. 这个痛点太普遍了, 开发者, 设计师, 运营, 甚至普通职场人都有这个需求.

总结一下就是, Schole做的是把学习嵌入到真实工作流里, 而不是把工作流搬进课程里. 方向对了一半就很有说服力了.

好, 接下来说说排第二的NOAN. 它的标语是the fact layer for your AI agents, 给你的AI Agent一个事实层.

这个一看就是给企业解决RAG问题的. 你能展开说说吗?

它的出发点是这样的. 公司有大量文档, 但每个AI Agent拿到这些文档之后, 理解可能是不一样的. 比如同样一份定价表, 一个Agent理解成含税, 另一个理解成不含税.

这个问题比听起来严重多了. 想象一下你公司同时跑着十几个AI工作流, 每个都在读同一批文档. 但理解结果不一致, 对外输出就乱了.

NOAN的解法是把这些事实提取出来, 变成一个versioned, 经过审核的事实源. 然后通过API和MCP对外暴露.

versioned这个词很关键. 就是说每次定价或者政策更新, 都有版本记录, 不会出现旧信息和新信息混用的情况.

而且它支持MCP, 这意味着任何接入MCP协议的AI工具都能用它的数据. 这个生态整合能力很强.

你再想想它的商业模式. 它卖的不是AI能力, 它卖的是企业事实管理的基础设施. 这个类别竞争比模型竞争小得多.

有点像数据库里的master data management, 主数据管理, 但是专门为AI时代设计的.

这个类比很准. 传统MDM很重, 实施周期长. NOAN走的应该是轻量化SaaS路线, 接入快, 这才能在ProductHunt这种土壤里获得一百七十多票.

总结一下NOAN, 它解决的是多个AI Agent并行运行时, 读取同一份公司信息却得出不同结论的问题. 这个问题随着Agent数量增加会越来越严重.

对, 而且这个需求是随着AI Agent普及才出现的新需求. 时机点踩得很准.

然后还有一条, 第三名是Floot MCP. 标语是在Claude或者ChatGPT里直接构建并发布Web和移动端应用.

嗯, 这个我有想法. 它本质上是在做什么?

它给你的AI对话配了一个完整的开发环境. 数据库, 用户登录, 托管, 域名, 全都准备好了. 你用Claude或者ChatGPT对话就能把App做出来.

而且它不按AI使用量收费. 因为AI能力你已经付给OpenAI或者Anthropic了, Floot只收基础设施的钱.

这个定价策略很聪明. 它不用和AI公司竞争, 反而把自己定位成AI的基础设施提供商.

不对吧, 我觉得它的挑战在于深度. 对话式开发适合原型验证, 但真正的生产级应用, 对话能处理那些复杂的edge case吗?

这个问题问得好. 不过它的用户画像可能不是要做生产级大应用的那种人. 更可能是想快速验证一个idea的创业者, 或者没有技术背景的产品经理.

你这么说我想通了. 它的竞品其实不是Vercel或者Render这种. 它的竞品是Bubble, Webflow, 那种no-code工具. 只不过它把操作界面换成了自然语言对话.

而且它一键发布到Web, iOS, Android这三端, 这个还是很有吸引力的. 一百四十多票, 在今天三个产品里排第三, 但这个概念还是很能打动人.

总结来说, Floot做的是把AI对话变成一个完整的开发运行时, 把AI变成不只是生成代码, 而是真正跑起来一个应用的工具.

好, 说完三个产品, 我来说说我看到的共性. 今天这三个产品全部围绕一个主题, 就是怎么让AI在现有工作流里更深度地嵌入.

对, Schole是嵌入学习场景, NOAN是嵌入企业知识管理, Floot是嵌入开发流程. 大家都不是在做一个新的AI工具, 而是在做AI和已有场景之间的连接层.

这说明AI工具的战场已经从做模型, 转向了做context和infrastructure. 谁能把AI更无缝地接进真实场景, 谁就有机会.

而且三个产品都提到了MCP或者API开放. 这说明互通性和可组合性, 已经成为新产品的标配了.

最后来个今日推荐. 李博, 如果只用一个, 你选哪个?

我选NOAN. 理由是它解决的问题是刚需, 而且随着企业AI Agent数量增加, 这个痛点只会越来越痛. 它的市场时机是现在这个节点最合适的.

我选Schole. 因为学习这件事太通用了, 而且它解决的是一个几十年都没被真正解决的痛点. 边做边学这条路走对了.

好, 今天我们意见分歧, 这很好. 说明这两个产品都值得关注, 只是面向的用户场景不一样.

就这样, 今天的产品先聊到这儿, 感兴趣的话去ProductHunt上搜一搜, 链接放在下面了.